AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
【AI洞察】Kimi 1.5技术报告全解析：长链推理、短链优化与多模态融合的创新实践
原创01、概述在科技飞速发展的今天，人工智能领域的每一次突破都牵动着无数人的心。Kimi1.5的出现，无疑在AI界投下了一枚重磅炸弹，其技术报告更是蕴含着巨大的信息量，让我们得以窥探这一先进模型的奥秘。本文将对Kimi1.5技术报告进行全方位、深层次的解读，带您领略其独特的魅力与强大的实力。02、Kimi1.5的诞生背景随着人工智能技术的不断发展，人们对AI模型的性能要求也越来越高。从最初的简单文本生成到如今的复杂推理、多模态...Kimi 1.5AI 模型大语言模型颠覆认知！多模态模型思维链评估白皮书：反思机制成胜负手，感知任务竟被CoT拖后腿
论文：https:arxiv.orgpdf2502.09621主页：https:mmecot.github.io代码：https:github.comCaraJ7MMECoT数据集：https:huggingface.codatasetsCaraJMMECoT亮点直击精心策划了MMECoT基准，涵盖了六种多模态推理场景的综合范围。数据收集和标注过程经过严格的人为验证，旨在为社区提供高质量的多模态推理评估数据集。识别了现有基准中的关键问题，并引入了专门针对多模态CoT推理的全面评估套件，该套件仔细检查了推理的质量、鲁棒...模型AI训练微软提出AutoGen Studio，用低代码方式开发智能体
精华AIAgent的高效、能力强、自动化等技术特点在零售、金融、教育、新闻等业务中得到广泛应用。但是，没有专业编程能力的业务人员想构建复杂的智能体并不容易。例如，需要考虑使用哪一种大模型，智能体可用的工具，智能体可执行的行动步骤数以及任务终止条件判断等。所以，为了简化智能体构建流程，微软的研究人员在其开源的超过30000颗星AutoGen智能体之上，与低代码技术相结合构建了AutoGenStudio，通过可视化拖拽低代码的方式就...微软智能体开发OpenAI GPT-4.5 系统卡片
原创1.引言我们正在发布OpenAIGPT4.5的研究预览版，这是我们迄今为止最大且知识最丰富的模型。GPT4.5基于GPT4o构建，进一步扩展了预训练规模，并被设计为比我们强大的STEM领域推理模型更具通用性。我们使用新的监督技术结合传统方法（如监督微调[SFT]和基于人类反馈的强化学习[RLHF]）对其进行训练，这些方法与GPT4o的训练方法类似。在部署前，我们进行了广泛的安评评估，未发现与现有模型相比存在显著的安全风险增加。早期测试表明...GPT-4.5OpenAI无监督学习链式推理探索基于大型语言模型的智能体：定义、方法与前景
原创 精华智能体被认为是从人工智能通向通用人工智能（AGI）的潜在路径。因此，研究人员为实现智能体投入了大量努力，探索了多种实现方式。得益于近期大型语言模型（LLMs）的进展，以通用自然语言作为接口的基于LLM的智能体在多种应用中展现出强大的泛化能力——从作为自主的通用任务助手，到在编码、社会和经济等领域中的应用，基于LLM的智能体为广泛的探索提供了可能性。本文调研了当前研究现状，深入概述了基于LLM的智能体，包括单智...大型语言模型智能体多智能体系统FlexTok-一种图像编码新方式
原创本文介绍一种图像编码的方法。图像标记化推动了自回归图像生成发展，但传统2D网格标记和现有1D标记方法存在不足，如无法适应图像内在复杂性。FlexTok创新之处在于可将2D图像投影为可变长度、有序的1D标记序列，图像标记化通过提供一种比原始像素更高效、更易处理的压缩离散表示，极大地推动了自回归图像生成的发展。传统方法多采用二维网格标记化，但像TiTok这样的最新研究表明，一维标记化能够通过消除网格冗余来实现高质量的...FlexTok图像编码计算机视觉详解AI代理的内部工作机理
原创我在过去设计对话式系统时亲眼目睹了传统AI的局限性。我设计的系统可以可靠地检测实体，但其僵硬的逻辑使得这种解决方案不能扩展。对话遵循预先编程的路径：如果用户说X，就回应Y。任何偏差都会破坏整个流程，凸显出这类系统有多死板多僵硬。基于基础模型的代理改变了这一切。它们是自主系统，能够处理不可预测的场景并无缝协作。代理可以规划行程、收集实时数据或管理客户账户，随时适应变化。代理不仅仅是工具的使用者，它们...AI代理人工智能基础模型炸裂更新！全球首个混合推理模型Claude 3.7 Sonnet发布，编码能力直接起飞！
原创在人工智能领域，每一次重大突破都能引发全球科技爱好者的热烈讨论。Anthropic公司发布的全新模型——Claude3.7Sonnet，无疑再次点燃了AI社区的热情。作为全球首个混合推理模型，Claude3.7Sonnet不仅在编码能力上实现了质的飞跃，还通过其独特的“标准和扩展思考模式”重新定义了AI的推理方式。一个模型，两种思考方式Claude3.7Sonnet的最大亮点在于其“一个模型，两种思考方式”的设计理念。用户可以根据需求选择“标准模式”...大模型混合推理模型Claude 3.7 Sonne大型语言模型（LLMs）如何能够从长达数十年的符号 AI 项目中受益
将大型语言模型（LLMs）应用于实际应用的主要障碍之一是它们的不可预测性、缺乏推理能力和难以解释性。如果无法解决这些挑战，LLMs将无法成为在关键环境中可信赖的工具。在最近的一篇论文中，认知科学家GaryMarcus和人工智能先驱DouglasLenat深入探讨了这些挑战，他们将这些挑战归纳为了确保通用人工智能的16个愿望清单。TechTalks的创始人BenDickson将其整理发表了一篇名为"HowLLMscouldbenefitfromadecades’longsymbolicAIpr...大型语言模型LLMsDeepSeek 在微信上的 4 个入口，快来试试，从此远离“系统繁忙”！
在前几天微信刚正式接入DeepSeek后，大家都沸腾了。紧接着就发现使用人数多了以后，微信上的DeepSeek也忍不住开始“系统繁忙”，实在是无言以对啊。今天帮大家整理了在微信上直接使用DeepSeek的4个入口，不行就换一个，从此告别“系统繁忙”。微信AI搜索首先还是之前讲到过的AI搜索入口，目前绝大多数人都已经被灰度到，能够使用了。点击微信搜索输入框，最下方就能够看到AI搜索，进入即可跳转如下页面，切换至DeepSeek即可。目...DeepSeek微信系统浅谈国产化AI芯片模型部署实践
国产化AI芯片的发展已经成为国内信息技术产业的一个重要领域，它的发展始于对高性能计算需求的崛起，尤其是在人工智能和大数据领域，国内的科研机构和高新技术企业开始投入大量资源用于AI芯片的研发，以满足国内应用的需求。并且随着中国在各个高新领域的不断发力与国外AI芯片技术近年来不断加深的制裁，各个行业的企业也开始合作，以共同推动AI芯片的研发和应用，包括通信、云计算、智能制造、自动驾驶等领域。国内市场对AI芯...国产化AI芯片OpenAI自爆：GPT-4.5 并非前沿模型！奥特曼称OpenAI的GPU已用光，还透露了一个“转型”思路？
编辑伊风出品51CTO技术栈（微信号：blog51cto）"GPT4.5并非前沿模型，但它是OpenAI最大的LLM，比GPT4的计算效率提高了10倍以上"。图片这句话就这么水灵灵地出现在GPT4.5官方给的SystemCard（系统卡）中。https:cdn.openai.comgpt45systemcard.pdf从2023年3月14日的GPT4,等了两年，竟然等来一句“不是前沿模型”这么让人失望的话。大了10倍的GPT4.5确实不是卷榜单排名的学霸：编码方面，GPT4.5在编码问题上的得分率为79%...OpenAIGPT-4.5模型DeepSeek第五天开源猛料，3FS并行文件系统榨干SSD！6.6 TiB/s吞吐量堪比光速
最后一天，DeepSeek开源了全生命周期数据访问引擎FireFlyerFileSystem（3FS），以及基于3FS的数据处理框架Smallpond。3FS（萤火虫文件系统）是一个充分利用现代SSD和RDMA网络带宽的并行文件系统，其特点是：在180节点集群中实现了6.6TiBs的总读取吞吐量在25节点集群的GraySort基准测试中达到了3.66TiBmin的吞吐量每个客户端节点的KVCache查询峰值吞吐量超过40+GiBs采用分离式架构，确保了强一致性全面支持V3R1的训练数据预处理...DeepSeek开源模型DeepSeek太给力了！自家的大模型秘方开源到底！国产大模型雄起
原创出品51CTO技术栈（微信号：blog51cto）DeepSeek“开源周”第五天，依旧保持了一如既往地“务实”风，满满的诚意。先来回忆下前四天，源神的慷慨发布——第一天，2月24日，最为外界称道的MLA技术率先开源，这项解码加速器FlashMLA技术能够让英伟达Hopper架构GPU跑得更快，效果更好！紧接着，25日，直接亮出首个面向MoE模型的开源专家并行通信库DeepEP，实现了MoE训练推理的全栈优化；第三天，则进一步祭出一项跨时代的发布：FP8...大模型DeepSeek存储全场景AI革命！DeepSeek官方开源生态工具库「狂飙」指南
一、项目定位：AI生态的“连接器”awesomedeepseekintegration是DeepSeek官方在GitHub上推出的开源集成资源库，旨在构建一个覆盖全场景的AI工具生态系统。该项目通过聚合300+第三方工具与应用，打通了从个人用户到企业开发者的需求链路，实现“一站式”接入DeepSeek大模型能力。截至2025年2月，该项目已收获超过20KStar，成为国内AI工具集成领域的标杆项目。二、核心功能与技术亮点全场景工具整合1.类功能模块：涵盖开发框架（...全场景AI工具Grok 3 与 DeepSeek-R1 是怎么学会思考的？
你是否思考过：大模型是如何做到既能到出口成章又能演算数学题的呢？今天，让我们用实例来揭开大模型中「思维链」的神秘面纱。1、什么是思维链技术？简而言之，思维链技术就是让大模型在回答问题时，不再只给你一个冰冷的答案，而是会抽丝剥茧般地一步步展示它是如何找到答案的。要知道，传统LLM的训练目标是预测下一个token，而不是系统地推理数学问题。它们在庞大的文本语料库中学到了各种模式，但「数学公式的严谨推演」并非...Grok 3DeepSeek-R1符号推理阿里发布通义万相2.1 :最佳视频生成模型
原创01、概述随着人工智能技术的不断发展，视频生成领域也迎来了革命性的进步。阿里云推出的通义万相2.1，正是这一突破的代表，它是一款集高质量、精准运动生成与多语言支持于一身的先进视频生成模型。今天，我们将带你了解这款引领行业的技术产品，以及它如何通过尖端创新，帮助各行各业实现更高效、更智能的视频创作。02、什么是通义万相2.1？通义万相2.1由阿里云通义万相AI团队开发，旨在通过将文本描述转化为高质量视频，带来前...通义万相2.1视频生成AI视频创作阿里云绕过 RAG 实时检索瓶颈，缓存增强生成（CAG）如何助力性能突破？
原创 精华编者按：你是否曾经遇到过这样的困扰：在开发基于RAG的应用时，实时检索的延迟让用户体验大打折扣？或者在处理复杂查询时，检索结果的不准确导致回答质量不尽如人意？在当前大语言模型应用大规模落地的背景下，这些挑战正成为制约产品竞争力的关键瓶颈。传统RAG方案中的检索延迟、准确性波动以及系统复杂度，都在考验着开发者的耐心和智慧。缓存增强生成（CAG）技术巧妙地利用了新一代大语言模型处理长上下文的能力，通过预加载...CAGLLMsICLR 2025 | 视频编辑最新SOTA！VideoGrain零样本实现多粒度控制，精准到像素级
论文链接：https:arxiv.orgpdf2502.17258git链接：https:knightyxp.github.ioVideoGrainprojectpage亮点直击首次尝试多粒度视频编辑的方法。支持类别级、实例级和局部级的编辑。提出了一个新颖的框架，称为VideoGrain，该框架通过调节时空跨注意力和自注意力，实现文本到区域的控制以及区域间特征的分离。在无需调整任何参数的情况下，在现有基准测试和真实世界视频上都取得了定性和定量的最新成果。总结速览解决的问题多粒度视...AI视频生成Claude 3.7 Sonnet：AI推理的新进展，开发者与企业的智能助手
原创01、概述在AI领域，推理能力一直是衡量模型智能的重要标准。而今天，我们迎来了一个里程碑式的产品——Claude3.7Sonnet。它不仅是最智能的模型，更是市场上首个混合推理模型。这意味着，它既能像普通大语言模型（LLM）一样快速响应，也能像人类一样进行深度思考，甚至将思考过程可视化呈现给用户。对于开发者来说，Claude3.7Sonnet的推出不仅是一次技术升级，更是一场效率革命。无论是前端开发、代码生成，还是复杂任务的自动化...Claude 3.7 Sonne混合推理模型AI推理Claude Code
